扩散模型的推理时优化：分享近期几篇噪声搜索类论文

文章预览

↑ 点击 蓝字  关注极市平台 作者丨天才程序员周弈帆 来源丨天才程序员周弈帆 编辑丨极市平台 极市导读   本文介绍了扩散模型在推理时优化方面的最新进展，特别是通过噪声搜索来提升生成图像质量的技术。作者分享了多篇相关论文，包括直接优化初始噪声的“Golden Noise”、系统性建模噪声搜索的框架以及将噪声搜索应用于视频生成的研究，探讨了噪声搜索的原理、方法和效果，并对这一方向的科研价值提出了个人见解。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 大语言模型（LLM）社区近期的一大热点研究课题是推理时扩展 (Inference-time scaling)，这一热点也逐渐传播到了以扩散模型技术为代表的图像生成社区。相比以往扩散模型图像编辑方法，这类新方法不是那么追求应用的实时性，反而更关注图像生成质量能否随着推理时间增加 ………………………………